実現したいこと
以下のように、文中の単語で強調表現などで使われている全て大文字(以下の例・BLUE)の単語は小文字に変換し、固有名詞や文頭の語だけ除外しようとしています。
IDはできればそのまま大文字にしたいのですが、固有名詞や所有格(人物名+')ではなく、判別がむずかしい場合は小文字にしてしまおうと思っています。
Python 3.7.4でJupyter notebookでコードを実行しています。
#入力
"Kate forgot John's login ID.",
"Her BLUE skirt looks good."
#出力
"Kate forgot John's login id.",
"Her blue skirt looks good."
問題
str.capitalize()
: 先頭の一文字を大文字、他を小文字に変換
というメソッドがあったので使ってみたのですが、先頭以外の固有名詞などは判別できないので、どのようにしたら、強調表現などの全て大文字の単語のみ小文字に変換できるでしょうか。
自然言語処理のライブラリnltkやspaCyなども調べて見てみたのですが、方法がわからない状態です。
["Kate forgot john's login id.", 'Her blue skirt looks good.']
現在のコード
for i in range(len(samples)):
text = samples[i]
samples[i] = text.capitalize()
samples
ご回答を受けて伺いたいこと
固有名詞がすべて大文字だったときも、小文字にするのを避けたいのですが、現在のコードだと小文字になってしまいます。
この点に関して補足をいただけると大変助かります。
import nltk
sentences = """KATE forgot JOHN's login ID.
Her BLUE skirt looks good.
"""
def replace_if_all_uppercase(word):
# もし単語のすべての文字が大文字ならば、すべて小文字に変換
if word[1] is not 'NNP':
if all(map(lambda w: w.isupper(), word[0].split())):
return word[0].lower()
return word[0]
for sentence in sentences.splitlines():
# nltkを使って分かち書き&品詞の取得
tokens = nltk.word_tokenize(sentence)
tagged = nltk.pos_tag(tokens)
print(tagged)
print(" -> ")
conved = list(map(lambda s: replace_if_all_uppercase(s), tagged))
print(" ".join(conved))
[('KATE', 'NNP'), ('forgot', 'VBD'), ('JOHN', 'NNP'), ("'s", 'POS'), ('login', 'NN'), ('ID', 'NNP'), ('.', '.')]
->
kate forgot john 's login id .
[('Her', 'PRP$'), ('BLUE', 'NNP'), ('skirt', 'NN'), ('looks', 'VBZ'), ('good', 'JJ'), ('.', '.')]
->
Her blue skirt looks good .